SLAM AMRのサプライヤーとして、AMRのSLAM生成マップの精度を検証することが重要です。このブログでは、これらのマップの精度を確保するためのいくつかの実用的な方法を共有します。
まず、マップの精度が重要な理由を理解しましょう。 AMR(自律モバイルロボット)は、マップ上に大きく依存して移動します。マップの故障は、衝突、誤った経路計画、および全体的な非効率性につながる可能性があります。想像してみてくださいAMRモバイルロボット忙しいAMRロボット倉庫商品を移動しようとしています。マップが不正確である場合、間違った通路で終わるか、他のロボットや障害物にクラッシュすることさえあります。
マップの検証を開始する最も簡単な方法の1つは、目視検査です。 AMRが動作するエリアを歩き回り、実際に見ているものをマップとともに比較します。壁が欠落している、通路の不発材、ランドマークの誤った場所などの明らかな矛盾を探してください。たとえば、マップ上にない物理的な空間に大きな柱がある場合、マップが調整が必要であることを明確にします。
別の効果的な方法は、グラウンドトゥルース測定を使用することです。レーザー距離メーターなどのツールを使用して、実際の環境で主要な距離と角度を測定できます。次に、これらの測定値をSLAM(生成されたマップの対応する値と比較します。たとえば、倉庫の通路の長さを測定し、マップに表示されている長さと一致するかどうかを確認します。大きな違いがある場合、マップの不正確さを示します。
センサーベースの検証も非常に重要です。 AMRには、LIDAR、カメラ、超音波センサーなどのさまざまなセンサーが装備されています。これらのセンサーは、マップデータを確認するために使用できます。たとえば、LIDARセンサーは、環境内のオブジェクトの存在を検出できます。 AMRが移動すると、センサーの測定値をマップと比較できます。センサーがマップ上にないオブジェクトを検出した場合、またはその逆の場合、それはマップの不正確さの兆候です。


動的テストを実行することもできます。ナビゲーションのためにマップを使用して、AMRをエリアを移動させます。その動作を注意深く観察します。 AMRが頻繁にためらい、突然のターンを行う、または予想どおりに目的地に到達できない場合、マップの不正確さが原因である可能性があります。たとえば、AMRがまっすぐなパスをたどることになっているが、逸脱し続ける場合、マップのパス計画が正確ではないためかもしれません。
さらに、複数のスラムアルゴリズムを使用して、同じ領域の異なるマップを生成できます。次に、これらのマップを互いに比較します。マップの間に大きな違いがある場合、1つ以上のマップにエラーがある可能性があります。この比較は、マップが同意しない領域を特定し、さらなる調査が必要な領域を特定するのに役立ちます。
のマップの検証に関してはAGV AMRロボットコンテキストでは、アプリケーションの特定の要件を考慮する必要があります。たとえば、製造環境では、AMRは異なるワークステーション間で正確にナビゲートする必要がある場合があります。したがって、これらの領域のマップの精度は最も重要です。
また、検証プロセスにユーザーを巻き込むことをお勧めします。彼らは、日常業務でAMRを使用する人です。彼らは彼らの本当の世界体験に基づいて貴重なフィードバックを提供することができます。たとえば、AMRが倉庫の特定の角でナビゲートするのに苦労していることに気付くかもしれません。これは、マップの問題による可能性があります。
マップ内の不正確さを特定したら、それらを修正する必要があります。ほとんどのSLAMソフトウェアでは、マップ編集が可能です。オブジェクトを追加または削除し、ランドマークの位置を調整し、検証結果に基づいてパス計画を修正できます。
特に動的環境では、地図を定期的に検証することが不可欠です。たとえば、倉庫では、新しい棚が追加または削除されると、レイアウトが時間とともに変化する可能性があります。したがって、AMRが常に正確なマップを使用することを確認するために、Map Re -validationのスケジュールを設定する必要があります。
結論として、AMRのスラム生成マップの精度を検証することは、目視検査、グラウンドトゥルース測定、センサーベースの検証、動的テスト、ユーザーフィードバックを含むマルチステッププロセスです。これらの手順に従うことにより、AMRが効率的かつ安全に動作することを保証できます。
SLAM AMR製品に興味があり、MAPの検証やその他の関連トピックについて詳しく説明したい場合は、調達ディスカッションにご連絡ください。 AMRのニーズに最適なソリューションを提供するためにここにいます。
参照
- Thrun、S.、Burgard、W。、&Fox、D。(2005)。確率的ロボット工学。 MITプレス。
- Grisetti、G.、Kümmerle、R.、Stachniss、C。、&Burgard、W。(2010)。グラフベースのスラムのチュートリアル。 IEEE Intelligent Transportation Systems Magazine、2(4)、31-43。











